針對基于Cubature粒子濾波的蒙特卡羅定位（CMCL）算法存在的計算量大、實時處理能力較差的問題，提出一種基于自適應(yīng)多提議分布粒子濾波的蒙特卡羅定位（ AMPD-MCL）算法。該算法利用Cubature卡爾曼濾波和擴展卡爾曼濾波改進提議分布，融入當(dāng)前觀測信息，減弱粒子退化現(xiàn)象；重采樣部分采用Kullback-Leibler距離（KLD）采樣，根據(jù)粒子在狀態(tài)空間的分布狀況，在線調(diào)整下一次濾波迭代所需粒子數(shù)，從而減小計算量。仿真實驗驗證了自適應(yīng)多提議分布粒子濾波（ AMPD-PF）的有效性；同時在機器人操作系統(tǒng)（ROS）上進行實驗，結(jié)果表明改進算法的平均定位精度達到19. 891 cm，定位所需粒子數(shù)穩(wěn)定在60，定位時間為45. 543 s，較CMCL算法在定位精度上提高了71. 03%，時間縮短了63. 10%。實驗結(jié)果表明，AMPD-MCL算法減小了定位誤差，能實時在線調(diào)整粒子數(shù)，有效減少了算法計算量，提高了實時處理能力。